代替

[32] 新たに UTF-16 を使うべきではありません。かわりに、 UTF-8 を使うのが好ましいとされています。

仕様書

[36] 既存のデータとの互換性のため、 Encoding Standard >>22 で UTF-16 の復号が規定されています。以前 >>35 は符号化も規定されていましたが、 Web互換性のためには不要であるとして、削除されました。

名前

[21] Encoding Standard によれば、大エンディアンの UTF-16 の名前が UTF-16BE であり、ラベルとして utf-16be を使って指定できます。また小エンディアンの UTF-16 の名前が UTF-16LE であり、ラベルとして utf-16le または utf-16 を使って指定できます。

UTF-16 符号化

[24] HTML Standard は UTF-16BE, UTF-16LE , utf-16 の総称を UTF-16 符号化 (a UTF-16 encoding) としています >>25。

符号化方式

1. [6] U+D800 から U+DFFF までは表現できません。
2. [7] U-00110000 から先は表現できません。 (ISO/IEC 10646 には存在しますが、Unicode には存在しません。)
3. [8] それ以外で U+0000 から U+FFFF であるなら、その符号位置と同じ値の16ビット符号単位によって表現します。
4. [9] それ以外なら、つまり U+10000 から U+10FFFF であるなら、
   1. [10] U' を符号位置から 0x10000 引いた値とします。この結果の値は20ビット非負整数です。
   2. [11] W1 を U' の上位10ビットと 0xD800 の論理和とします。
   3. [12] W2 を U' の下位10ビットと 0xDC00 の論理和とします。
   4. [13] 当該符号位置は W1 W2 の2つの16ビット符号単位の列によって表現します。

[14] >>9 を図示すると、次のようになります。

• U' = 0byyyyyyyyyyxxxxxxxxxx
• W1 = 0b110110yyyyyyyyyy
• W2 = 0b110111xxxxxxxxxx

BOM

[26] UTF-16 および派生文字コードでの BOM の取り扱いについては、 BOM の項を参照してください。

Web における UTF-16

[29] Web の文字コードは UTF-8 であり、 UTF-16 は使うべきではないとされています。

[30] ただし JavaScript や DOM は、歴史的理由により、文字列の表現に UTF-16 による16ビット符号単位を使っています。

XML における UTF-16

[27] XML には UTF-16 に関する特別な規定がいくつもあります。 詳しくは XMLにおける文字コードを参照してください。

PDF における UTF-16

[40] PDF では BOM 付き UTF-16BE を使います。

[41] OpenType は UTF-16BE を使います。

Python における UTF-16

surrogateescape

その他の応用

[42] DOMHASH は UTF-16BE を使います。

[46] LeXML が UTF-16 を推奨しています.

歴史

[37] UTF-16 は、 UCS-2 の16ビット平面ではすべての文字の符号化に十分でないことが明確になったとしてサロゲートペアが導入されたことにより登場しました。

[45] UTF-16の誕生 | yasuokaの日記 | スラド, 2024-01-31T14:16:35.000Z https://srad.jp/~yasuoka/journal/387747/